Bab 3 Peramalan

3-1

Ramalan:
 Sebuah pernyataan tentang nilai di masa mendatang dari sebuah variabel yang ingin diketahui, seperti permintaan (demand).  Peramalan digunakan untuk membuat keputusan bernilai.  Jangka panjang  Jangka pendek

3-2

Ramalan
 Ramalan mempengaruhi keputusankeputusan dan aktivitas dalam sebuah organisasi
 Akuntasi, Keuangan  Sumberdaya Manusia  Pemasaran  Sistem Informasi Manajemen (SIM)  Operasional  Disain produk/jasa
3-3

Penggunaan Ramalan
Akuntansi Keuangan Sumberdaya manusia Pemasaran SIM Operasional Disain produk/jasa Perkiraan biaya/keuntungan Arus kas dan pendanaan Penerimaan pegawai/training Penetapan harga, promosi, strategi TI/SI systems, layananlayanan Jadwal, MRP, beban kerja Produk baru dan jasa
3-4

Aku melihat kau akan memperoleh nilai A semester ini.

3-5

CiriCiri-ciri ramalan
 Beranggapan sistem kasual masa lalu ==> masa depan  Ramalan jarang sempurna, oleh karena tingkat keacakan  Ramalan lebih akurat untuk group daripada individu

 Tingkat akurasi ramalan menurun sejalan dengan meningkatnya cakrawala waktu

3-6

UnsurUnsur-unsur ramalan yang baik

Tepat waktu

Handal

Akurat

Tertulis

3-7

LangkahLangkah-langkah proses peramalan

The forecast /ramalan

6) Monitor ramalan 5) Lakukan peramalan 4) Dapatkan, bersihkan dan analisa data 3) Pilih teknik ramalan 2) Tetapkan batas waktu 1) Tetapkan maksud /tujuandari ramalan

3-8

JenisJenis-jenis Ramalan
 Pendapat menggunakan masukan secara subjektif  Serial waktu menggunakan data historis dan mengasumsikan masa depan akan sama dengan masa lalu  Model Asosiatif (Associative Model) menggunakan variabelvariabel untuk meramalkan masa depan
3-9

Ramalan berdasarkan penilaian (Judgmental Forecast)

 Pendapat atasan  Pendapat tenaga penjual  Survei konsumen  Pendapat dari luar


Metode Delphi
 Pendapat dari manajer dan staf  Mencapai ramalan secara kosensus

3-10

Ramalan serial waktu (times series)

 Tren pergerakan jangka panjang dalam data  Musiman- variasi tetap jangka pendek dalam data  Siklus variasi-variasi bergelombang dari lebih dari satu tahun  Variasi tak beraturan disebabkan kejadian-kejadian yang tidak biasanya  Variasi acak disebabkan karena kesempatan
3-11

VariasiVariasi-variasi Ramalan
Gambar 3.1
Variasi tak beraturan

Tren (kecenderungan)

Siklus
90 89 88 Variasi musiman

3-12

Peramalan berdasarkan data runut waktu (serial data)

 Metode Naif (Nave Method)  Teknik Perata-rataan
 Metode rata-rata bergerak  Metode rata-rata bergerak tertimbang  Metode pemulusan pangkat (exponential smoothing)

 Teknik untuk tren

 Tren linear

3-13

Metode Naif
 Periode ke-1 = 200  Periode ke-2 = 230  Periode ke-3 = ?

3-14

TeknikTeknik-teknik Perata-rataan Perata Rata-rata bergerak (Moving average)  Rata-rata bergerak tertimbang(Weighted moving average)  Exponential smoothing

3-15

RataRata-rata Bergerak
 Rata-rata Bergerak Sebuah teknik yang merata-ratakan sebuah angka dari nilai aktual terbaru, diperbaharui sebagai nilai-nilai baru yang tersedia. At-n + At-2 + At-1 Ft = MAn=

 Rata-rata bergerak tertimbang Nilai-nilai baru dalam sebuah rangkaian diberikan berat lebih dalam peramalan. wnAt-n + wn-1At-2 + w1At-1 Ft = WMAn=

3-16

RataRata-rata Bergerak Sederhana

Actual

47 45 4 41 9 7 5 1 4 5 6 7 8 9 1 11 1

MA5

MA3

Ft = MAn=

At-n + At-2 + At-1 n

3-17

Exponential Smoothing

Ft = Ft-1 + E(At-1 - Ft-1)

Dasar pikiran (Premise) Observasi-observasi terbaru mungkin memiliki nilai ramalan tertinggi (akurasi). Oleh karenanya, kita sebaiknya memberikan beban lebih ke periode-periode waktu terbaru pada saat peramalan.  Metode rata-rata tertimbang didasarkan pada ramalan sebelumnya ditambah persentase kesalahan ramalan  A-F adalah periode kesalahan, E adalah % umpanbalik (feedback)

3-18

Contoh 3 - Exponential Smoothing

Period 1 2 3 4 5 6 7 8 9 10 11 12 Actual 42 40 43 40 41 39 46 44 45 38 40 Alpha = 0.1 Error 42 41.8 41.92 41.73 41.66 41.39 41.85 42.07 42.36 41.92 41.73 -2.00 1.20 -1.92 -0.73 -2.66 4.61 2.15 2.93 -4.36 -1.92 Alpha = 0.4 Error 42 41.2 41.92 41.15 41.09 40.25 42.55 43.13 43.88 41.53 40.92 -2 1.8 -1.92 -0.15 -2.09 5.75 1.45 1.87 -5.88 -1.53

3-19

Nilai Alpha
Nilai 0< <1

Semakin dekat nilai dengan 0, semakin jauh nilai ramalan dengan nilai aktual. Sebaliknya, semakin besar dekat nilai dengan 1, semakin dekat nilai ramalan aktual.

3-20

Memilih Nilai Alpha

Actual

50
E!.4

45 ema 40 35 1 2 3 4 5 6 ei 7 8

E !.1

9 10 11 12

3-21

Kencenderungan umum nonlinear

Gambar 3.5

Parabolic

Exponential

Growth

3-22

Rumus Tren Linear

Ft

Ft = a + bt
0 1 2 3 4 5 t

   

Ft = Forecast for period t t = Specified number of time periods a = Value of Ft at t = 0 b = Slope of the line

3-23

Menghitung a dan b
n (ty) - t y b = n t 2 - ( t) 2

y - b t a = n

3-24

Contoh Rumus Tren Linear

t ee t Sa es t

7 t = 15 7t = 55 2 (7t) = 225

7 y = 812 7 ty = 2499

3-25

Penghtiungan Tren Linear

5 (2499) - 15(812) 12495-12180 b = = = 6.3 5(55) - 225 275 -225

a =

12 5

.3(15)

= 143.5

y = 143.5 + .3t
3-26

TeknikTeknik-teknik untuk Musiman

 Variasi-variasi Musiman
 Pergerakan tetap yang berulang dalam rangakaianrangkaian nilai yang bisa dihubungkan dengan kejadian-kejadian berulang.

 Musiman relatif
 Persentase dari rata-rata atau tren (kecenderungan)

 Rata-rata
 Sebuah rata-rata bergerak yang ditempatkan pada pusat data yang telah digunakan untuk menghitungnya.
3-27

Peramalan Asosiatif (Associative Forecasting) Forecasting)

 Variable-variabel peramal digunakan untuk meramal nilai-nilai dari variabel sejenis  Regresi sebuah teknik untuk mencocokkan sebuah garis ke dalam serangkaian nilai-nilai  Garis pangkat terkecil (Least squares line) memperkecil jumlah pangkat penyimpangan-penyimpangan di sekitar sebuah garis
3-28

Model linear nampak beralasan

X Y

Hubungan yang dihitung

Sebuah garis lurus dicocokan ke suatu rangakaian nilai

3-29

AsumsiAsumsi-asumsi Regresi Linear

 Variasi-variasi di sekitar garis adalah acak  Penyimpangan-penyimpangan di sekitar garis didistribusikan secara normal  Prediksi-prediksi dibuat hanya dalam jangkauan nilai yang diteliti  Untuk hasil terbaik:  Selalu tandai data untuk membuktikan linearitasnya  Memeriksa data bergantung waktu  Hubungan kecil bisa menyatakan bahwa variabel-variabel lain juga penting
3-30

Akurasi Ramalan
 Kesalahan (Error) perbedaan antara nilai aktual dan nilai ramalan  Mean Absolute Deviation (MAD)


Rata-rata kesalahan mutlak (Average absolute error)

 Mean Squared Error (MSE)



Rata-rata kesalahan berpangkat (Average of squared error)

 Mean Absolute Percent Error (MAPE)



Rata-rata persentase kesalahan mutlak (Average absolute percent error)

3-31

MAD, MSE, and MAPE

MAD = Actual  forecast n MSE = ( Actual  forecast) n -1
2

MAPE =

 Actual

 forecast / Actual*100) n
3-32

MAD, MSE dan MAPE

 MAD
 Mudah dihitung  Menimbang (menghitung) kesalahan secara linear

 MSE
 Kesalahan dipangkatkan dua  Beban lebih untuk kesalahan (erorr) yang lebih besar

 MAPE
 Menempatkan kesalahan-kesalahan (errors) berdasarkan penyebabnya
3-33

Contoh
| - | - ^ | - | * . . . . . . . . . . . .

3-34

Pengawasan Ramalan
 Grafik Pengawasan (Control Chart)
 Alat untuk mengawasi kesalahan-kesalahan ramalan secara visual  Digunakan untuk menemukan ketidakserempangan dalam kesalahan-kesalahan

 Kesalahan-kesalahan peramalan berada dalam kendali jika

 Semua kesalahan berada dalam batas kendali  Muncul dengan tidak berbentuk, seperti tren atau siklus
3-35

SumberSumber-sumber kesalahan ramalan

 Model peramalan mungkin tidak cukup  Variasi-variasi yang tak beraturan  Kesalahan penggunaan teknik peramalan

3-36

Memilih teknik peramalan

 Tidak ada teknik yang berfungsi di setiap situasi  Dua faktor yang paling penting
 Biaya  Akurasi

 Faktor lain termasuk ketersediaan dari:

 Data historis (masa lalu)  Komputer  Waktu yang dibutuhkan untuk mengumpulkan dan menganalisa data  Cakrawala ramalan (forecast horizon)

3-37

Strategi Operasi
 Ramalan-ramalan adalah berbasis pada banyak keputusan-keputusan  Berusaha untuk memperbaiki ramalan jangka pendek  Akurasi ramalan-ramalan jangka pendek memperbaiki:
    

Keuntungan Menurunkan tingkat persediaan Mengurangi keterbatasan persediaan Memperbaiki tingkat layanan konsumen Mempertinggi tingkat kepercayaan terhadap ramalan
3-38

Ramalan rantai suplai

 Membagi ramalan dengan suplai dapat
 Memperbaiki kualitas dalam rantai suplai  Menurunkan biaya-biaya  Memperpendek waktu tunggu

3-39

Exponential Smoothing

3-40

Rumus Tren Linear

3-41

Regresi Linear Sederhana

3-42

Pertanyaan? Pertanyaan?

3-43